单摄像头条件下的行人识别与跟踪方法研究

论文摘要

运动行人检测与跟踪是混合交通条件下行人安全状态识别系统中的关键技术,对于提高城市行人交通的安全具有重要意义。本文针对复杂场景下行人安全识别中的行人检测问题,提出了单摄像头条件下的运动行人检测与跟踪方法,并用实验验证了该方法的可行性。论文主要完成了以下主要工作：一、采用了自适应背景模型技术和运动分割相结合的方法提取行人二值图像,用所得二值图像差分后进行Otsu阈值分割,并将分割后的图像进行形态学处理,达到检测运动行人的目的。该算法噪声影响较小,适应性较强,可以实现运动行人的有效分割。二、根据视频中的行人位置特征,本文采用了Blob融合法,将分割图像中同一行人的Blob进行融合,提取出行人的位置特征,对融合后的位置特征进行检测,有效的降低了行人检测的误检率。并且以该位置特征作为卡尔曼预测和跟踪的特征向量,简化了行人预测变量,然后将预测值与检测到的行人位置特征进行匹配,达到跟踪行人的目的。该方法在试验中取得了良好的检测与跟踪效果。三、通过采集两种背景的复杂场景视频,采用本文方法进行了实时分析和实验,结果表明该方法可以检测并跟踪场景中出现的单个或多个运动行人,因此该方法是可行的。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题来源及研究背景
• 1.2 国内外运动行人识别与跟踪研究现状
• 1.2.1 运动行人检测研究现状
• 1.2.2 目标跟踪技术研究现状
• 1.2.3 存在的主要问题
• 1.3 研究的目的与意义
• 1.4 论文的主要工作及章节安排
• 1.5 本章小结
• 第二章 行人特征二值化处理
• 2.1 行人图像灰度化和数字化
• 2.2 行人图像滤波
• 2.3 运动行人背景提取
• 2.4 图像差值与阈值化
• 2.5 形态学处理
• 2.6 目标的特征提取
• 2.7 本章小结
• 第三章 运动目标检测
• 3.1 引言
• 3.1.1 连续帧间差分法
• 3.1.2 光流法
• 3.1.3 背景帧差法
• 3.2 行人的检测
• 3.2.1 目标特征选择
• 3.2.2 目标特征提取
• 3.2.3 Blob分析
• 3.2.4 Blob信息融合
• 3.2.5 Blob特征提取
• 3.3 行人识别
• 3.3.1 行人的识别
• 3.3.2 行人的精确检测
• 3.4 试验结果
• 3.5 本章小结
• 第四章 行人预测与跟踪
• 4.1 引言
• 4.2 卡尔曼滤波跟踪
• 4.2.1 卡尔曼滤波器原理
• 4.2.2 基于卡尔曼滤波的目标跟踪
• 4.3 行人参数
• 4.3.1 行人运动分析
• 4.3.2 交通控制参数
• 4.4 本章小节
• 第五章 实验结果与分析
• 5.1 单目视觉系统硬件平台
• 5.2 视觉软件系统
• 5.2.1 软件介绍
• 5.2.2 流程分析
• 5.3 视频一处理结果与分析
• 5.4 视频二处理结果与分析
• 5.5 本章小结
• 第六章 结论与展望
• 6.1 研究工作总结
• 6.2 后续工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果